WORK STORY / 02
讓 AI 先蒐證，再由人判斷
情境
Notion、Linear、Slack、Swagger、Codebase 與實際 Runtime 的資訊可能尚未同步或彼此牴觸。主管在 Slack 提出的最新指示，可能尚未寫入正式文件，也可能影響既有規格原則；若 AI 把所有來源視為同等可信，很容易將臨時說法、舊實作或過期資訊誤認成正式決策。
我的判斷與做法
我把不同來源定義成不同類型的工程證據：規格、工作範圍、溝通脈絡、API 契約、目前實作與實際行為，各自負責回答不同問題。Agent 先蒐集證據、比對資訊落差並指出衝突，再由相關人員確認真正的決策；重要假設則透過 API response、Playwright 或可重複量測驗證。
形成的結果
AI 不再只是掃描 repository 或接收單一指示後直接修改，而是先提出證據、矛盾與可能影響，促使相關角色對齊規格與更新正式來源，再決定真正需要改動的位置，降低修錯層級或讓歷史 workaround 繼續擴散的風險。
留下的思考
MCP 解決資訊取得，Human-in-the-loop 解決資訊裁決。工具提供事實，AI 協助整理與推論，人保留最後決策權；最後再由 Runtime 驗證改動是否符合預期。